Les raisons du faible usage des résultats d’évaluation externe par les enseignants. Étude croisée dans trois contextes éducatifs
Bibliographic record
Abstract
L’évaluation des apprentissages des élèves n’est aujourd’hui plus uniquement interne à la classe (au niveau micro), elle est aussi externe et à grande échelle (au niveau macro). Avec les nouveaux modes de gouvernance des systèmes éducatifs, ces deux niveaux se rencontrent. Il est attendu des enseignants qu’ils prennent en compte les résultats d’épreuves externes afin d’améliorer leurs pratiques. Toutefois, la littérature montre un faible usage de ces données externes sur le terrain. Notre analyse du regard de 41 enseignants (entretiens semi-directifs) issus de trois juridictions distinctes quant à leur dispositif et à leur politique d’évaluation externe – au Québec, en Ontario et en Suisse – permet d’identifier les raisons de ce « découplage » spécifique. Notre analyse semi-inductive s’inspire du concept de « validité unifiée d’un test » de Messick (1989) pour comprendre le point de vue des enseignants. Notre analyse montre que le faible usage des résultats d’évaluation externe peut s’expliquer par le fait que les enseignants des trois contextes étudiés accordent peu de validité(s) à ces données externes. Les enseignants remettent en cause non seulement la mesure à large échelle, mais aussi le manque d’implication pratique des résultats d’évaluation externe et leurs conséquences sur les acteurs de l’École. Des différences sont identifiées, liées à certaines caractéristiques des dispositifs d’évaluation externe (finalités, suivi, conséquences) et au profil des enseignants (ancienneté professionnelle, confrontation directe aux tests). Finalement, alors que l’évaluation des acquis des élèves est devenue un enjeu aussi bien politique que pédagogique, notre contribution montre que, aux yeux des enseignants, les différentes approches d’évaluation (interne et externe) sont trop éloignées. D’importantes dissonances les séparent tant sur le plan de leurs méthodes, de leurs usages et de leurs finalités.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".